/ Модель
Каталог

Характеристики

Параметры
403 млн
Лицензия
Apache 2.0
Архитектура
wav2vec2 · dense
Опубликована
13 июн 2022

Ссылки

Hugging Face

wav2vec2-large-xlsr-53-german-cv9

oliverguhr
Распознавание речиАудио → текст8 профессий

Дообученная Wav2Vec2-модель для распознавания немецкой речи и преобразования аудио в текст.

84скачиваний за 30 дней1лайквеса обновлены28 авг 2023

Бенчмарки

Как модель справилась с задачами пользователей ailist и что о ней публикуют открытые лидерборды

Тесты пользователейпока нет

Никто ещё не опубликовал тест этой модели. Соберите бенчмарк из своих задач — результат появится здесь.

  1. Добавьте модель в бенчмарк

    Вместе с другими моделями категории «Распознавание речи» — сравнение идёт внутри одной категории.

  2. Опишите свои задачи

    Напишите запросы, при необходимости приложите файлы и эталонные ответы.

  3. Запустите и опубликуйте

    Модели ответят на каждую задачу, судья оценит ответы. Опубликованный результат появится на этой странице.

Открыть конструктор бенчмарка

Публичные оценки

Из открытых лидербордов. Сравнивайте результаты одного теста при одинаковых условиях — отсутствие оценки не значит, что модель хуже.

В подключённых источниках результатов для этой модели пока нет.

Что умеет модель

Описание составлено по карточке модели и метаданным Hugging Face

Модель oliverguhr/wav2vec2-large-xlsr-53-german-cv9 разработана как дообученная версия facebook/wav2vec2-large-xlsr-53 для распознавания немецкой речи. Это плотная модель архитектуры Wav2Vec2 с головой CTC и примерно 402,7 млн параметров. Она обучена на немецкой части Mozilla Common Voice 9.0 и предназначена для преобразования аудиозаписей речи в текст. На тестовой выборке указаны CER 2,27 и WER 9,48.

Модель принимает аудио и выдаёт текст; основным языком является немецкий. Репозиторий содержит веса PyTorch и Safetensors, а также формат ONNX. Модель распространяется по лицензии Apache-2.0. README не описывает ограничения и условия записи аудио; результаты тестирования относятся к указанному набору данных и могут не отражать качество на других источниках речи.

Сценарии применения

  • транскрибация немецкой речи
  • распознавание немецких голосовых записей
  • получение субтитров из немецкого аудио

Ограничения

Оценки CER и WER получены на тестовом наборе Common Voice 9.0 и могут не отражать качество для других акцентов, условий записи и типов аудио. Практические ограничения в README не описаны.

Для каких профессий подходит8

Разделы каталога профессий, в задачах которых используется эта модель

Все профессии
I.7Универсальные способностиРечь, диалоги и встречиAI помогает понимать разговорную речь, поддерживать диалог и превращать встречи в структурированные результаты.17 задач26 923моделиI.15Универсальные способностиДоступность и ассистивные технологииAI помогает делать цифровую и физическую среду доступнее для людей с различными ограничениями.17 задач8 953моделиI.6Универсальные способностиПеревод и языковая адаптацияAI помогает переносить смысл между языками, форматами и культурными контекстами.16 задач16 710моделейI.9Универсальные способностиАудио и музыкаAI помогает анализировать, очищать, преобразовывать и создавать звук и музыку.15 задач4 835моделей

Также подходит для

Карточка модели

README от автора на Hugging Face, как он его опубликовал

Открыть на Hugging Face

wav2vec2-large-xlsr-53-german-cv9

This model is a fine-tuned version of ./facebook/wav2vec2-large-xlsr-53 on the MOZILLA-FOUNDATION/COMMON_VOICE_9_0 - DE dataset.

It achieves the following results on the test set:

  • CER: 2.273015898213336
  • Wer: 9.480663281840769

Model description

More information needed

Intended uses & limitations

More information needed

Training and evaluation data

More information needed

Training procedure

Training hyperparameters

The following hyperparameters were used during training:

  • learning_rate: 0.0001
  • train_batch_size: 16
  • eval_batch_size: 32
  • seed: 42
  • gradient_accumulation_steps: 8
  • total_train_batch_size: 128
  • optimizer: Adam with betas=(0.9,0.999) and epsilon=1e-08
  • lr_scheduler_type: linear
  • lr_scheduler_warmup_ratio: 0.1
  • num_epochs: 50.0
  • mixed_precision_training: Native AMP

Training results

Training LossEpochStepValidation LossEval Wer
0.41291.035570.30150.2499
0.21212.071140.15960.1567
0.14553.0106710.13770.1354
0.14364.0142280.13010.1282
0.11445.0177850.12250.1245
0.12196.0213420.12540.1208
0.1047.0248990.11980.1232
0.10168.0284560.11490.1174
0.10939.0320130.11860.1186
0.085810.0355700.11820.1164
0.10211.0391270.11910.1186
0.083412.0426840.11610.1096
0.091613.0462410.11470.1107
0.081114.0497980.11740.1136
0.081415.0533550.11320.1114
0.086516.0569120.11340.1097
0.070117.0604690.10960.1054
0.089118.0640260.11100.1076
0.07119.0675830.11410.1074
0.072620.0711400.10940.1093
0.064721.0746970.10880.1095
0.064322.0782540.11050.1044
0.076423.0818110.10720.1042
0.060524.0853680.10950.1026
0.072225.0889250.11440.1066
0.059726.0924820.10870.1022
0.06227.0960390.10730.1027
0.053628.0995960.10680.1027
0.061629.01031530.10970.1037
0.064230.01067100.11170.1020
0.055531.01102670.11090.0990
0.063232.01138240.11040.0977
0.048233.01173810.11080.0958
0.060134.01209380.10950.0957
0.050835.01244950.10790.0973
0.052636.01280520.10680.0967
0.048737.01316090.10810.0966
0.049538.01351660.10990.0956
0.052839.01387230.10910.0923
0.043940.01422800.11110.0928
0.046741.01458370.11310.0943
0.040742.01493940.11150.0944
0.04643.01529510.11060.0935
0.044744.01565080.10830.0919
0.043445.01600650.10930.0909
0.047246.01636220.10920.0921
0.041447.01671790.11060.0922
0.050148.01707360.10940.0918
0.038849.01742930.10990.0918
0.042850.01778500.11030.0915

Framework versions

  • Transformers 4.19.0.dev0
  • Pytorch 1.11.0+cu113
  • Datasets 2.0.0
  • Tokenizers 0.11.6

Как запустить

На своей GPU в ailist. Цена — по текущим предложениям провайдеров

GPU в ailist

Универсальный рантайм

Можно запустить

Подбираем GPU…

Класс архитектуры
Wav2Vec2ForCTC
Ревизия весов
4a28243

0 моделей

    Создать бенчмарк